基于点云的 3D 目标检测模型 PointPillars 部署 tensorRT

PointPillars 3D 目标检测模型部署 tensorRT

  一直想折腾一下基于点云的目标检测模型，但由于没有实际项目或工作需要，搞也搞的不够深入，把开源的模型跑一下似乎好像做过又好像没有做过。内心一直想搞一下，选定了 PointPillars 这个经典基础的模型，经过一段时间多次放弃与再折腾一下，终于算是自认为折腾明了了。由于第一次做点云，难免有不对之处，若有发现请指出，谢谢。

  本示例中对 pillar 的计算流程用numpy进行了实现，对后处理的mns用一个2D的nms近似代替（只为验证模型结果是对的，不可实际使用）。例中包含完整的：测试脚本代码、模型、测试数据、测试结果。

  【完整代码、模型、测试数据】

  运行onnx 测试依赖环境：numpy、open3d（可视化）、onnxruntime

  TensorRT版本：TensorRT-8.6.1.6

  特别说明：本示例中没有使用 3d_nms, 只用 2D 的 nms 进行了简单处理，不能实际使用。

1、导出onnx

【参考链接】

模型输入输出维度：

2、pytorch 效果

对应图像

3、onnx 效果

4、tensorrt 效果

  由于tensorrt在服务器上运行的，不能可视化，结果写入txt再拉下进行可视化,【可视化脚本参考】)

5、onnx 和 tensorrt 输出结果

onnx 推理输出

tensorrt 推理输出